Categoría: Inteligencia Artificial en la Salud Humana

Un estetoscopio más inteligente mejora el diagnóstico en un mundo ruidoso

La ingeniera eléctrica de Johns Hopkins, Mounya Elhilali, depende de fondos federales para ampliar los límites de cómo la tecnología puede mejorar la percepción humana Con el apoyo de los Institutos Nacionales de Salud, Johns Hopkins ingeniero eléctrico e informático Elhilali Mounya está desarrollando un estetoscopio digital inteligente destinado a revolucionar el diagnóstico pulmonar, especialmente el diagnóstico pediátrico que ayudaría a prevenir los más de dos millones de muertes infantiles cada año causadas por infecciones respiratorias inferiores agudas, la principal causa de mortalidad infantil en todo el mundo. La subvención de $2.3 millones fue otorgada en 2022 por el Instituto Nacional del Corazón, los Pulmones y la Sangre de los NIH a Elhilali, profesora de la Escuela de Ingeniería Whiting, y colegas de Johns Hopkins James West, un profesor de ingeniería eléctrica e informática, y Eric McCollum, profesor asociado de pediatría en la Escuela de Medicina Johns Hopkins.»Con el apoyo de NIH, estamos aplicando lo que aprendemos sobre cómo el cerebro filtra los sonidos en entornos ruidosos para crear herramientas más inteligentes que tienen un impacto real.»Elhilali MounyaProfesor, Departamento de Ingeniería Eléctrica e Informática Es uno de varios proyectos potencialmente salvavidas que Elhilali está buscando para ayudar a las personas a sintonizar de manera más efectiva en un mundo ruidoso, no solo para conversaciones, sino también para los sonidos vitales utilizados para diagnosticar enfermedades y las señales que ayudan a las personas con problemas auditivos a navegar por su entorno. «Con el apoyo de los NIH, estamos aplicando lo que aprendemos sobre cómo el cerebro filtra los sonidos en entornos ruidosos para crear herramientas más inteligentes que tienen un impacto real», dice Elhilali, quien también es fundadora de la universidad Laboratorio de Percepción de Audio Computacional (LCAP). El estetoscopio digital inteligente tiene el potencial de ayudar en el diagnóstico de enfermedades respiratorias, donde la velocidad y la precisión pueden significar la diferencia entre la vida y la muerte para las personas de todo el mundo. «Los estetoscopios tradicionales, aunque ampliamente utilizados, a menudo no son confiables debido a la interferencia del ruido, la necesidad de interpretación experta y la variabilidad subjetiva», dice. «Nuestra investigación introduce una nueva tecnología de escucha avanzada que combina inteligencia artificial con nuevos materiales de detección para hacer que los diagnósticos sean más precisos.» Este estetoscopio avanzado utiliza un material especial que se puede ajustar para amortiguar o bloquear los ruidos de fondo, haciendo que los sonidos pulmonares sean más claros. También utiliza modelos de IA de las vías respiratorias y redes neuronales para analizar los sonidos respiratorios. Elhilali y su equipo entrenaron su algoritmo en más de 1,500 pacientes en Asia y África. Esta tecnología se está utilizando actualmente en estudios clínicos en Bangladesh, Malawi, Sudáfrica y Guatemala, así como en la sala de emergencias pediátricas en Centro de Niños Johns Hopkins. Título de la imagen:Mounya Elhilali con el postdoc Alex Gaudio Imagen crédito: Will Kirk / Universidad Johns Hopkins Una versión del dispositivo, ahora llamada Feelix, ha recibido la aprobación de la FDA y está siendo comercializada por el spin-off de Baltimore Laboratorios Sonavi. «Esta tecnología ya está teniendo un impacto», dice Elhilali. «Se está utilizando en clínicas rurales, unidades de salud móviles y grandes hospitales para ayudar a los servicios de emergencia y proveedores de atención médica de todo el mundo a proporcionar evaluaciones pulmonares rápidas y rentables, especialmente en áreas con acceso limitado a herramientas de imágenes como radiografías y ultrasonidos.» Más allá de los diagnósticos médicos, la investigación de Elhilali explora cómo el cerebro procesa el sonido en entornos ruidosos, un fenómeno conocido como efecto de cóctel. Otro proyecto apoyado por los NIH abordó este problema utilizando una nueva teoría adaptativa de la percepción auditiva. Con el apoyo de la Instituto Nacional sobre el Envejecimientoelhilali exploró el papel de la plasticidad neuronal al permitir que nuestros cerebros se adapten al cambiante paisaje sonoro que nos rodea al equilibrar lo que nuestros sentidos escuchan y cuáles son nuestros estados mentales y de atención. «Al incorporar conocimientos de la ciencia del cerebro, esta investigación examina la percepción auditiva en cerebros jóvenes y envejecidos y tiene el potencial de cerrar una brecha entre los audífonos tradicionales y los dispositivos auditivos verdaderamente inteligentes», dijo. Más cobertura El impacto de los recortes de financiación Sin investigación—y el apoyo federal que hace posible—los avances científicos sufren, y los tratamientos que salvan vidas del mañana están en riesgo. Elhilali está utilizando datos recopilados de grabaciones cerebrales de humanos y animales para comprender mejor cómo los circuitos cerebrales pueden aislar ciertos sonidos importantes del ruido de fondo. En un estudio reciente publicado en Naturaleza Comunicaciones Biologíaella y sus colegas descubrieron que cuando se enfoca en un hablante en particular, el cerebro realmente sincroniza su actividad para que coincida con las características de sincronización y sonido de esa voz, un mecanismo conocido como coherencia temporal. «Este descubrimiento proporciona información crucial sobre la audición selectiva y tiene implicaciones significativas para mejorar la tecnología de reconocimiento de voz», dice Elhilali. «Al aplicar estos principios, los audífonos y dispositivos de comunicación futuros podrían diseñarse para filtrar mejor el ruido no deseado, beneficiando a las personas con desafíos de procesamiento auditivo.» Universidad de Hopkins News. D. L. Traducido al español

marzo 30, 2025

AI HLS Encendido

Transformando Salud y Ciencias de la Vida con Azure AI 🚀 Presentamos el programa AI HLS Ignited ¡—Para Todos! ¡Sí, Eso Significa TÚ! La IA está evolucionando rápidamente, y mantenerse al día con su impacto en el mundo real puede ser un desafío. ¿Estás liderando el cambio o te estás quedando atrás? Es por eso que IiM se complace en invitarlo a nuestra serie gratuita de seminarios web en vivo, donde WeiWll explorará cómo la IA está transformando la Atención Médica y las Ciencias de la Vida con aplicaciones del mundo real. Qué Esperar✔ Expert-Led Insights: Únase a mí y a mis compañeros expertos en IA de campo de Microsoft mientras mostramos soluciones del mundo real y estrategias de vanguardia que dan forma al futuro de la atención médica.✔ Strategic + Technical Depth: Ya sea que sea un ejecutivo centrado en el ROI o un desarrollador que busque información técnica profunda, estas sesiones proporcionarán análisis de impacto comercial, inmersiones técnicas profundas y acceso al código después de cada sesión.✔ AI en acción: Vea cómo la IA está optimizando los flujos de trabajo clínicos, mejorando los resultados de los pacientes y acelerando la toma de decisiones con un impacto medible. 📅 Puntos Limitados DisponiblesEsta serie tiene un límite de 1,000 asistentes por sesión: asegure su lugar hoy y explore cómo la IA está redefiniendo la atención médica. Regístrese a continuación y verifique los comentarios para la lista completa de sesiones. Bienvenido a AI HLS Encendido, una serie de seminarios web dedicados a mostrar soluciones de IA de alto impacto en el mundo real en la industria de Salud y Ciencias de la Vida (HLS). Desarrollado por AI Azure y presentado por Arquitectos de Microsoft AI y expertos de la industriaesta serie está diseñada para impulsar un cambio significativo en la atención médica a través de la innovación impulsada por la IA. Detalles de la serie Webinar 🛑EN VIVO FY25 Próximas Sesiones 📅 Sesión Registro Tiempo Creación de Tiendas de Conocimiento Clínico con IA con Azure AI Search Registrarse aquí Miércoles, 26 de marzo de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Monitoreo y Evaluación de LLM en Contextos Clínicos con Azure AI Foundry Registrarse aquí Miércoles, 9 de abril de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Extracción, Interpretación y Resumen de Información Clínica con Azure OpenAI Registrarse aquí Miércoles, 23 de abril de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Reducción de Cargas Administrativas en Facturación y Codificación con Azure AI Registrarse aquí Miércoles, 7 de mayo de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Optimización de la Recuperación de Datos Clínicos con Sistemas Agentic en Azure AI Foundry Registrarse aquí Miércoles, 21 de mayo de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Acelerar el Procesamiento de Reclamaciones con los Últimos Modelos de Razonamiento de Azure OpenAI Registrarse aquí Miércoles, 4 de junio de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Automatizar el Precartaje del Paciente con Integración de Voz en Tiempo Real Registrarse aquí Miércoles, 18 de junio de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Mejora de la Precisión Diagnóstica en Radiología con Lecturas Preliminares Generadas por IA Registrarse aquí Miércoles, 2 de julio de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT De la Frustración a la Automatización: Acelerando la Autorización Previa con Azure AI Registrarse aquí Miércoles, 16 de julio de 2025 | 11:00 AM – 12:00 PM PDT | 1:00 PM – 2:00 PM CDT Nota: Todas las sesiones son virtuales y gratuitas para asistir. ¿A quién Debería Asistir? 🎯 🔹 Ejecutivos de Salud y Tomadores de DecisionesBuscando soluciones prácticas de IA con un ROI claro¿? Este evento está diseñado para líderes que buscan aplicaciones reales de IA más allá de los chatbots, centrándose en soluciones transformadoras que impulsan la eficiencia y mejorar los resultados de los pacientes. Microsoft Blog. S. A. Traducido al español

marzo 30, 2025

Uso de IA para diagnosticar la enfermedad celíaca

La investigación muestra que la IA es tan buena como los patólogos para diagnosticar la enfermedad celíaca Un algoritmo de aprendizaje automático desarrollado por científicos de Cambridge pudo identificar correctamente en 97 casos de cada 100 si un individuo tenía o no enfermedad celíaca según su biopsia, según una nueva investigación. La herramienta de IA, que ha sido entrenada en casi 3,400 biopsias escaneadas de cuatro hospitales del NHS, podría acelerar el diagnóstico de la afección y eliminar la presión de los recursos de atención médica estirados, así como mejorar el diagnóstico en los países en desarrollo, donde la escasez de patólogos es grave. Las herramientas digitales que pueden acelerar o incluso automatizar el análisis de las pruebas de diagnóstico están comenzando a mostrar una promesa real para reducir las demandas de los patólogos. Una gran cantidad de este trabajo se ha centrado en la detección del cáncer, pero los investigadores están empezando a buscar oportunidades para diagnosticar otros tipos de enfermedades. Una condición que están siendo examinados por los científicos de la Universidad de Cambridge es la enfermedad celíaca, una enfermedad autoinmune provocada por el consumo de gluten. Causa síntomas que incluyen calambres estomacales, diarrea, erupciones cutáneas, pérdida de peso, fatiga y anemia. Debido a que los síntomas varían mucho entre los individuos, los pacientes a menudo tienen dificultades para recibir un diagnóstico preciso. El estándar de oro para diagnosticar la enfermedad celíaca es a través de una biopsia del duodeno (parte del intestino delgado). Luego, los patólogos analizarán la muestra bajo un microscopio o en una computadora para buscar daños en las vellosidades, pequeñas proyecciones similares a pelos que recubren el interior del intestino delgado. Interpretar biopsias, que a menudo tienen cambios sutiles, puede ser subjetivo. Los patólogos usan un sistema de clasificación conocido como la escala Marsh-Oberhuber para juzgar la gravedad de un caso, que va desde cero (las vellosidades son normales y es poco probable que el paciente tenga la enfermedad) hasta cuatro (las vellosidades están completamente aplanadas). Imágenes microscópicas que muestran vellosidades sanas (izquierda) y vellosidades enfermas (derecha). (Crédito: Florian Jaeckle) En una investigación publicada hoy en el New England Journal of Medicine AIlos investigadores de Cambridge desarrollaron un algoritmo de aprendizaje automático para clasificar los datos de imágenes de biopsia. El algoritmo fue entrenado y probado en un conjunto de datos diverso a gran escala que consta de más de 4,000 imágenes obtenidas de cinco hospitales diferentes utilizando cinco escáneres diferentes de cuatro compañías diferentes. Autor principal Profesora Elizabeth Soilleux desde el Departamento de Patología y Churchill College de la Universidad de Cambridge, dijo: “la enfermedad celíaca afecta a una de cada 100 personas y puede causar enfermedades graves, pero obtener un diagnóstico no es sencillo. Puede tomar muchos años recibir un diagnóstico preciso, y en un momento de intensas presiones sobre los sistemas de salud, es probable que estos retrasos continúen. «La IA tiene el potencial de acelerar este proceso, permitiendo a los pacientes recibir un diagnóstico más rápido, mientras que al mismo tiempo quita la presión de las listas de espera del NHS.» El equipo probó su algoritmo en un conjunto de datos independiente de casi 650 imágenes de una fuente nunca antes vista. Basándose en comparaciones con los diagnósticos patólogos’ originales, los investigadores demostraron que el modelo era correcto en su diagnóstico en más de 97 casos de cada 100. El modelo tenía una sensibilidad de más del 95%, lo que significa que identificó correctamente más de 95 casos de cada 100 personas que tenían enfermedad celíaca. También tenía una especificidad de casi el 98%, lo que significa que se identificó correctamente en casi 98 casos de cada 100 personas que no tenían enfermedad celíaca. Investigaciones anteriores del equipo han demostrado que incluso los patólogos pueden estar en desacuerdo sobre los diagnósticos. Cuando se les mostró una serie de 100 diapositivas y se les pidió que diagnosticaran si un paciente tenía enfermedad celíaca, no tenía la enfermedad o si el diagnóstico era indeterminado, el equipo demostró que había desacuerdo en más de uno de cada cinco casos. Esta vez, los investigadores pidieron a cuatro patólogos que revisaran 30 diapositivas y descubrieron que era tan probable que un patólogo estuviera de acuerdo con el modelo de IA como con un segundo patólogo. Dr. Florian Jaeckle, también del Departamento de Patología, y un Investigador en Hughes Hall, Cambridge, dijo: “Esta es la primera vez que se ha demostrado que la IA diagnostica con tanta precisión como un patólogo experimentado si un individuo tiene celíaco o no. Debido a que lo capacitamos en conjuntos de datos generados bajo una serie de condiciones diferentes, sabemos que debería poder funcionar en una amplia gama de entornos, donde las biopsias se procesan y se obtienen imágenes de manera diferente. “Este es un paso importante para acelerar los diagnósticos y liberar a los patólogos’ tiempo para centrarse en casos más complejos o urgentes. Nuestro siguiente paso es probar el algoritmo en una muestra clínica mucho más grande, poniéndonos en condiciones de compartir este dispositivo con el regulador, acercándonos a esta herramienta que se utiliza en el NHS.” Los investigadores han estado trabajando con grupos de pacientes, incluso a través de Coeliac UK, para compartir su enfoque y discutir con ellos su receptividad a la tecnología como esta que se está utilizando. “Cuando hablamos con pacientes, generalmente son muy receptivos al uso de la IA para diagnosticar la enfermedad celíaca, añadió el Dr. Jaeckle. “Esto sin duda refleja en parte sus experiencias de las dificultades y retrasos en la recepción de un diagnóstico. “Un problema que surge con frecuencia tanto con los pacientes como con los médicos es el problema de ‘explicabilidad’ – ser capaz de entender y explicar cómo la IA alcanza su diagnóstico. Es importante para nosotros como investigadores y para los reguladores tener esto en cuenta si queremos asegurarnos de que haya confianza pública en las aplicaciones de la IA en medicine.” El profesor Soilleux y el Dr. Jaeckle han creado una empresa spinout, Lyzeum Ltd, para comercializar

marzo 30, 2025

Los robots Mako ahora también se usan para operaciones de cadera

„Después de un año y medio en el que ya estamos utilizando el robot Mako para endoprótesis de rodilla, estamos aún más convencidos: el sistema se ha establecido, nuestros pacientes se benefician enormemente de él y, por lo tanto, queremos que el robot quirúrgico en el futuro también lo use para la implantación de articulaciones artificiales de cadera “, explica el profesor. Dr. Marcel Betsch, jefe del departamento de ortopedia de la cirugía de trauma y la clínica ortopédica (director: Prof. Dr. Mario Perl) del Hospital Universitario Erlangen. Por esta razón, la clínica ahora ha comprado la última versión del sistema Mako SmartRobotics ™ al fabricante Stryker. El robot quirúrgico ahora apoya a los cirujanos de Erlangen no solo cuando planifican e insertan endoprótesis totales de rodilla y prótesis parciales de rodilla, sino también cuando implantan articulaciones artificiales de cadera. „Cada vez más literatura científica y nuestros propios resultados clínicos muestran que las operaciones asistidas por robots prevalecen sobre las convencionales “, enfatiza el Prof. Apuestas. El robot Mako permite planificar con precisión la posición de un implante, simular previamente los movimientos de la articulación artificial y colocarla con precisión milimétrica. „Esto significa aún más seguridad del paciente y una calidad aún mayor del resultado “, asegura Marcel Betsch. El nuevo dispositivo se puede usar.a. en la displasia de cadera – en los casos en que la cavidad de la cadera no está desarrollada adecuadamente y los afectados necesitan una nueva articulación de la cadera. Pero incluso después de fracturas de cadera o cuando ya se han realizado operaciones en la pelvis o en la columna lumbar, el sistema Mako resulta ser particularmente ventajoso. Las grabaciones tomográficas por ordenador de la articulación a operar se realizan con antelación para cada paciente. „Usando estas imágenes de TC, planificamos la posición exacta de la nueva articulación de la cadera digitalmente y tridimensionalmente y podemos simular cuán estable y flexible será después del procedimiento “, explica el profesor. Apuestas. En la sala de operaciones, las imágenes de TC se combinan con la anatomía del paciente en comparación con puntos de medición especiales.„Por ejemplo, si un paciente ya tiene una columna vertebral rígida y luego tiene una cadera artificial, aumenta el riesgo de que la cadera se desprenda. Esto se puede prevenir con el robot Mako porque podemos ajustar la articulación al grado. “ Dado que Mako SmartRobotics ™ es una tecnología de plataforma que se puede ampliar gradualmente para incluir módulos adicionales, también será posible a largo plazo operar las articulaciones de los hombros, insertar tornillos en la columna vertebral y reemplazar las articulaciones artificiales. „Mako es el futuro “, dice el profesor. Finalmente, mendigo. FAU News. Traducido al español

marzo 29, 2025

La IA puede ayudar a los médicos a dar nutrición intravenosa a los bebés prematuros, según un estudio

Según una nueva investigación de Stanford Medicine, un algoritmo de IA puede ayudar a los médicos a tomar mejores decisiones clínicas para los recién nacidos enfermos, reducir los errores médicos y mejorar la atención en entornos de bajos recursos. La inteligencia artificial puede mejorar la nutrición intravenosa para bebés prematuros, según un estudio de Stanford Medicine. El estudio, que publicó el 25 de marzo en Medicina de la Naturalezaéste es uno de los primeros en demostrar cómo un algoritmo de IA puede permitir a los médicos tomar mejores decisiones clínicas para los recién nacidos enfermos. El algoritmo utiliza información en los registros médicos electrónicos de preemies’ para predecir qué nutrientes necesitan y en qué cantidades. La herramienta de IA se capacitó sobre datos de casi 80,000 recetas anteriores de nutrición intravenosa, que se relacionó con información sobre cómo les fue a los pequeños pacientes. El uso de la IA para ayudar a prescribir la nutrición IV podría reducir los errores médicos, ahorrar tiempo y dinero, y facilitar el cuidado de los bebés prematuros en entornos de bajos recursos, dijeron los investigadores. la nutrición IV, también conocida como nutrición parenteral total, es la única forma de alimentar a los bebés prematuros que nacen antes de que sus sistemas digestivos estén lo suficientemente maduros como para absorber los nutrientes. “En este momento, se nos ocurre una receta de TPN para cada bebé, individualmente, todos los días. Lo hacemos desde cero y se lo proporcionamos,” dijo el autor principal del estudio Aghaeepour Nima, PhD, profesor asociado de anestesiología, medicina perioperatoria y del dolor y de pediatría. “La nutrición parenteral total es la mayor fuente de error médico en las unidades de cuidados intensivos neonatales, tanto en los Estados Unidos como a nivel mundial No solo es propenso a errores del proceso, sino que también dificulta que los médicos sepan si han obtenido la fórmula correcta. No hay análisis de sangre para medir si un bebé prematuro recibió la cantidad correcta de calorías cada día, por ejemplo, y a diferencia de los bebés a término, los bebés prematuros no necesariamente lloran cuando tienen hambre y muestran satisfacción cuando están llenos. “Nutrición es una de las áreas de cuidados intensivos neonatales donde somos más débiles,” dijo el coautor del estudio David Stevenson, MD, un neonatólogo y el Harold K. Faber Profesor en Pediatría. “Podemos aproximarnos a lo que está haciendo la placenta,”, dijo. Un proceso lento Alrededor del 10% de los bebés nacen prematuramente, lo que significa que al menos tres semanas antes de sus fechas de parto. Los bebés nacidos más de ocho semanas antes no están listos para absorber los nutrientes a través de sus intestinos y requieren alimentación IV. Además, algunos bebés prematuros experimentan complicaciones gastrointestinales del parto prematuro y necesitan nutrición IV mientras el intestino se cura. En la actualidad, la nutrición IV se prescribe diariamente para estos pacientes de forma individual. Los pacientes necesitan macronutrientes, los componentes moleculares de proteínas, grasas y carbohidratos; micronutrientes como vitaminas, minerales y electrolitos; y medicamentos como la heparina, que se agrega a la preparación IV para reducir el riesgo de coágulos sanguíneos. Las recetas actuales se basan en factores como el peso de los bebés, la etapa de desarrollo y los resultados de su trabajo de laboratorio. Proporcionar estas recetas requiere el aporte de seis expertos que trabajan juntos durante un proceso de varias horas: Un neonatólogo o farmacéutico escribe cada receta, que es revisada por un dietista para la composición de nutrientes y por un segundo farmacéutico para la seguridad. La prescripción va a una farmacia de compuestos, donde se prepara, luego a la unidad de cuidados intensivos neonatales, donde una enfermera le da al IV y una segunda enfermera verifica dos veces que cada paciente recibe la preparación correcta. “Es un medicamento de alto riesgo porque es una mezcla de muchas cosas diferentes,” dijo el coautor del estudio Gaskari Shabnam, PharmD, director ejecutivo y director de farmacia de Stanford Medicine Childrenios Health. “Si hubiéramos fabricado TPN listos para usar, eso sería muy beneficioso. Creo que sería más seguro para los pacientes.” Hacia fórmulas estándar Los investigadores se preguntaron si podrían usar IA para ayudar a proporcionar a los hospitales fórmulas de nutrientes fabricadas y listas para usar. Su algoritmo de IA fue entrenado en 10 años de datos de registros médicos electrónicos de la unidad de cuidados intensivos neonatales en el Hospital Pediátrico Lucile Packard Stanford, incluyendo 79,790 recetas de nutrición IV de 5,913 pacientes prematuros. El algoritmo también tuvo acceso a información sobre los resultados médicos de patients’, lo que le permitió encontrar patrones sutiles que conectaban los niveles de nutrientes con la salud de baby’. Aunque los médicos no siempre habían obtenido cada receta previa exactamente correcta, el volumen de datos ayudó a superar ese problema, lo que permitió al algoritmo aprender de manera general sobre lo que funciona para los bebés en diferentes situaciones médicas. Esto refleja nuestra esperanza de cómo la IA mejorará la medicina: Lo que va a hacer es mejorar a los médicos y hacer que la atención de primer nivel sea más accesible.”David Stevenson, MDEl Harold K. Faber Profesor en Pediatría “Esta es una fortaleza de la IA: A veces los datos imperfectos son lo suficientemente buenos siempre que tengas muchos, dijo Aghaeepour. Después de entrenar en la década de los datos de los pacientes, el algoritmo agrupó recetas de nutrientes similares para determinar cuántas fórmulas estándar satisfacerían todas las necesidades nutricionales de los pacientes y qué incluiría cada una. “Nos preguntamos: Qué pasa si hacemos tres fórmulas estándar, o 10, o 100?” Aghaeepour dijo. “Resulta que con 15 fórmulas distintas para la nutrición IV, lo que está recomendando es bastante similar a lo que los médicos, farmacéuticos y dietistas habrían hecho de todos modos. Pero luego estas 15 fórmulas basadas en IA se pueden usar para mejorar significativamente la velocidad y la seguridad.” Además, los investigadores demostraron que el algoritmo de IA podría usar datos de los registros médicos electrónicos de patients’ para predecir cuál de las 15

marzo 27, 2025

Impulsando el descubrimiento científico con IA

El premio Nobel y ex alumno de Cambridge Sir Demis Hassabis anuncia una nueva era de descubrimiento de fármacos de ‘velocidad digital’ Sir Demis Hassabis, premio Nobel y ex alumno de Cambridge, cree que estamos entrando en una nueva era de «biología digital», donde la IA puede ayudarnos a reimaginar los principios del descubrimiento de fármacos a «velocidad digital». Hablando en un evento especial en Cambridge, para explorar cómo la IA puede acelerar el descubrimiento científico, el director ejecutivo y cofundador de Google DeepMind también dijo que, a pesar del auge de la computación cuántica, los sistemas informáticos clásicos aún tienen el potencial de hacer avanzar el conocimiento mediante la IA y algún día podrían incluso ayudarnos a descubrir la verdadera naturaleza de la realidad. Demis, quien el año pasado recibió el Premio Nobel de Química junto con su colega de Google DeepMind, el Dr. John Jumper, por sus contribuciones a la investigación en IA para la predicción de la estructura de las proteínas, dijo a los estudiantes y ex alumnos de Cambridge que la IA era potencialmente el «lenguaje de descripción perfecto para la biología». “Actualmente, desarrollar un fármaco lleva un promedio de 10 años, y es extraordinariamente caro: miles de millones de dólares”, dijo. “Y entonces me pregunto: ¿por qué no podemos usar estas técnicas para reducir ese tiempo de años a meses? ¿Quizás incluso, un día, semanas? Igual que redujimos el descubrimiento de las estructuras de las proteínas de potencialmente años a minutos y segundos”. Durante su charla en el Babbage Lecture Theatre, donde contó a los invitados que asistió a su primera conferencia como estudiante hace casi 30 años, Demis relató su carrera e investigación en IA hasta ahora, y también brindó visiones fascinantes de cómo podría evolucionar la tecnología, incluido el desarrollo de la Inteligencia Artificial General, un sistema de IA teórico que puede hacer los mismos tipos de tareas cognitivas que un humano puede hacer. Dijo: «Cambridge es un lugar increíble. De hecho, ha inspirado toda mi carrera, y espero que haga lo mismo con muchos de ustedes, estudiantes, aquí presentes». Tras graduarse en Cambridge, donde estudió Ciencias de la Computación en el Queens’ College en la década de 1990, cofundó DeepMind en 2010, una empresa que desarrolló modelos magistrales de IA para juegos populares. La empresa fue vendida a Google en 2014 y, dos años después, DeepMind cobró reconocimiento mundial al lograr lo que muchos consideraban el santo grial de la IA: vencer al campeón de uno de los juegos de mesa más antiguos del mundo, el Go. “Mi trayectoria en la IA comenzó con los juegos, y en concreto con el ajedrez”, dijo. “Jugaba al ajedrez desde los cuatro años y me hizo reflexionar sobre el pensamiento mismo: ¿cómo se nos ocurren estos planes, estas ideas, cómo resolvemos problemas y cómo podemos mejorar? Lo que me fascinó, quizás incluso más fascinante que los juegos, fueron los procesos mentales que lo sustentan”. Este interés continuó cuando se pasó al ajedrez por computadora. «Recuerdo que me fascinaba que alguien hubiera programado este trozo de plástico inanimado para que realmente jugara ajedrez contra ti. Y terminé experimentando en mi adolescencia con un ordenador Amiga 500 y desarrollando ese tipo de programas de IA para jugar juegos como Othello. Y realmente, esa fue mi primera experiencia con la IA, y decidí desde muy joven que dedicaría toda mi carrera a intentar ampliar las fronteras de esta tecnología». Los videojuegos eran el «campo de pruebas perfecto» para los sistemas de IA, afirmó. Y tras crear sistemas de aprendizaje —inspirados en la neurociencia— que dominaban el catálogo de juegos de Atari, y desarrollar el programa informático AlphaGo que derrotó al campeón mundial de Go, Lee Sedol, centró su atención en la ciencia. Sentí que estábamos listos, teníamos las técnicas lo suficientemente maduras y listas para ser aplicadas fuera del juego y para intentar abordar problemas realmente importantes. El plegamiento de proteínas (predecir la estructura tridimensional de una proteína a partir de su secuencia de aminoácidos) fue un excelente ejemplo. Las proteínas son los componentes básicos de la vida, y se cree que su función está relacionada con su estructura. Por lo tanto, conocer la estructura de una proteína podría contribuir al descubrimiento de fármacos y a la comprensión de enfermedades. Los científicos llevaban al menos 50 años trabajando en este desafío cuando, en noviembre de 2020, el Experimento Comunitario sobre la Evaluación Crítica de Técnicas para la Predicción de la Estructura de Proteínas (CASP) declaró que la herramienta AlphaFold2 de DeepMind lo había resuelto. DeepMind utilizó AlphaFold2 para plegar los 200 millones de proteínas conocidas por la ciencia y puso el sistema y estas estructuras a disposición de todos. “Es como mil millones de años de doctorado en un solo año”, dijo Demis. “Y es asombroso pensar en cuánto se podría acelerar la ciencia. Dos millones de investigadores de prácticamente todos los países del mundo lo utilizan. Ha sido citado más de 30.000 veces y se ha convertido en una herramienta estándar en la investigación biológica”. Siempre creí que la IA general podría ser la herramienta definitiva para comprender el universo que nos rodea y nuestro lugar en él.– Sir Demis Hassabis Demis recibió conjuntamente el Premio Nobel de Química el año pasado en reconocimiento a los importantes avances que hizo posible AlphaFold2 . Y debido a que estas estructuras biológicas existen en gran parte de la vida en la Tierra, dijo que se han abierto nuevas vías de exploración en una amplia gama de campos, incluidos el clima, la agricultura, las enfermedades y el descubrimiento de fármacos. “La misión de DeepMind desde el principio fue desarrollar IA de manera responsable para beneficiar a la humanidad, pero la forma en que solíamos articularlo cuando comenzamos era un proceso de dos pasos: paso 1: resolver la Inteligencia Artificial, paso 2: usarla para resolver todo lo demás. Si analizo todo el trabajo que hemos realizado en los últimos 15 años, primero nuestro trabajo en juegos y ahora con el trabajo

marzo 25, 2025

La herramienta digital brinda a los niños con TDAH comentarios en tiempo real sobre sus cerebros

En un estudio reciente de una técnica para ayudar a los niños con TDAH a fortalecer su memoria de trabajo, aproximadamente la mitad de los participantes mostraron mejoras en sus síntomas. El concepto también es prometedor para otras afecciones neuropsiquiátricas. Después de que los maestros explican una tarea, los niños con trastorno por déficit de atención/hiperactividad podrían tener dificultades para convertir esas instrucciones en acción. Es una de las varias vías por las cuales el TDAH puede afectar el rendimiento académico de un estudiante joven. “Cuando escuchas algo de un maestro, necesitas mantener la información en tu cerebro, luego procesarla y tomar decisiones basadas en lo que escuchaste,” dijo el neurocientífico cognitivo de Stanford Medicine Hosseini Hadi, PhD. Estos pasos requieren que los estudiantes involucren su memoria de trabajo, un sistema cerebral que contiene información durante cortos períodos de tiempo. Cuando el sistema no funciona, puede causar frustración tanto para los propios niños como para los maestros, padres y otras personas que intentan ayudarlos a aprender tareas y actividades normales, como terminar una tarea o recordar traer su abrigo del patio de recreo. El equipo de Hosseiniinis ha sido estudiando una técnica para ayudar a los niños con TDAH a fortalecer su memoria de trabajo. Las últimas investigaciones fueron dirigidas por Hosseini Ali Rahimpour Jounghani, PhD, un erudito postdoctoral en psiquiatría, y Gozdas Elveda, PhD, un instructor en psiquiatría y ciencias del comportamiento. El trabajo de los equipos muestra que una herramienta portátil de imágenes cerebrales de bajo costo puede proporcionar a los niños comentarios en tiempo real sobre lo que sus cerebros están haciendo durante las tareas cognitivas. Los niños llevaban una gorra especial en la cabeza que envía y recibe luz infrarroja, lo que permite a los investigadores rastrear los niveles de oxígeno en la sangre en partes específicas de su cerebro como un indicador de la actividad cerebral. El grupo de tratamiento de 21 niños que completaron el programa de 12 semanas se comparó con 15 niños en un grupo de control, que recibieron su tratamiento habitual para el TDAH. La mayoría de los niños con TDAH que completaron el programa mejoraron su capacidad para realizar tareas que requerían memoria de trabajo. Alrededor de la mitad de ellos también tuvieron mejoras en los síntomas del TDAH, según lo medido por un cuestionario estándar. El concepto también es prometedor para otras afecciones neuropsiquiátricas, dijo Hosseini, profesor asociado de psiquiatría y ciencias del comportamiento en Stanford Medicine, quien habló con nosotros para obtener preguntas y respuestas sobre su investigación. ¿Por qué su equipo decidió estudiar la memoria de trabajo en niños con TDAH? Weisre está tratando de abordar los déficits en la función ejecutiva, el proceso por el cual manejamos las tareas cotidianas, incluida la planificación, la toma de decisiones y el aprendizaje. Los déficits de la función ejecutiva aparecen en muchas afecciones de salud mental, como el autismo, la depresión y el trastorno obsesivo compulsivo. La memoria de trabajo es un gran componente del funcionamiento ejecutivo: Posee temporalmente una cantidad limitada de información en su cerebro para que pueda atenderla de la manera correcta. Los sistemas neuronales involucrados en la memoria de trabajo se ven afectados en la mayoría de los niños con TDAH. Además, la neurociencia moderna considera el TDAH como un problema más de regulación de la atención que un déficit de atención, per se, y la memoria de trabajo es importante para regular la atención. Esto significa que el TDAH fue un punto de partida lógico para probar nuestra intervención. También es una buena condición para estudiar porque es bastante común, y porque los científicos tienen una fuerte comprensión de la arquitectura neuronal que se ve afectada. La investigación de neuroimagen ha demostrado hipoactivación – o subactividad – en la corteza prefrontal de personas con TDAH. Estábamos tratando de ayudar a los niños a aumentar su actividad cerebral en esa región, que se encuentra en la parte frontal del cerebro y está involucrada en muchos tipos de pensamiento complejo y toma de decisiones. Con los niños específicamente, la verdadera promesa aquí radica en la oportunidad de intervenir temprano para cambiar la trayectoria de su neurodesarrollo.”Hadi Hosseini, PhDStanford Medicine neurocientífico cognitivo ¿Cuál fue tu proceso de investigación? Nuestro estudio utilizó neurofeedback, lo que significa brindar a las personas información en tiempo real de imágenes cerebrales para que puedan crear estrategias conscientemente e intentar controlar su función cerebral. Una idea paralela es la biorretroalimentación –, por ejemplo, donde medimos qué tan rápido late tu corazón y te mostramos estrategias para calmarlo. Al comienzo de nuestro estudio, escaneamos el cerebro de cada niño para poder identificar en qué parte de su corteza prefrontal tenían una baja activación. Hay mucha variación entre las personas con TDAH, por lo que identificamos una región objetivo personalizada para cada paciente. Para cada sesión de la intervención, cada niño estaba equipado con una tapa especial en la cabeza que envía y recibe luz infrarroja. Esto permitió al equipo de investigación monitorear lo que estaba sucediendo en el cerebro infantil a través de una técnica llamada espectroscopia funcional de infrarrojo cercano, en la que la luz viaja a mitad de camino hacia el cerebro y medimos cómo se refleja. Esto da una visión de los cambios en los niveles de oxígeno en la sangre en áreas específicas del cerebro, lo que indica cambios en la actividad cerebral. La desventaja de usar este método de imagen es que puede observar regiones subcorticales en las profundidades del cerebro. Pero la corteza prefrontal, donde ocurre la memoria de trabajo, en realidad es bastante accesible a la luz infrarroja. Los niños en nuestro estudio vinieron al laboratorio durante 12 sesiones, cada una durante unos 20-30 minutos de intervención activa. Una vez conectados a la tapa de imagen, realizaron una tarea de memoria durante la cual vieron una cadena de letras en la pantalla de una computadora y la memorizaron durante unos segundos, luego vieron una letra de destino y tuvieron que indicar si estaba en la cadena original. Durante la tarea, proporcionamos

marzo 25, 2025

Métodos tempranos para estudiar el uso afectivo y el bienestar emocional en ChatGPT

Una colaboración de OpenAI y MIT Media Lab Research. Las personas usan chatbots de IA como ChatGPT de muchas maneras: hacer preguntas, despertar la creatividad, resolver problemas e incluso para interacciones personales. Este tipo de herramientas pueden mejorar la vida diaria, pero a medida que se usan más ampliamente, surge una pregunta importante que enfrenta cualquier nueva tecnología: ¿Cómo afectan las interacciones con los chatbots de IA al bienestar social y emocional de las personas? ChatGPT no está diseñado para reemplazar o imitar las relaciones humanas, pero las personas pueden optar por usarlo de esa manera dado su estilo de conversación y capacidades de expansión. Comprender las diferentes formas en que las personas interactúan con los modelos puede ayudar a guiar el desarrollo de la plataforma para facilitar interacciones seguras y saludables. Para explorar esto, nosotros (investigadores en el MIT Media Lab y OpenAI) realizamos una serie de estudios para comprender cómo el uso de la IA implica un compromiso emocional—lo que llamamos uso afectivo—puede afectar el bienestar de users’. Nuestros hallazgos muestran que ambos modelo y usuario los comportamientos pueden influir en los resultados sociales y emocionales. Los efectos de la IA varían según la forma en que las personas eligen usar el modelo y sus circunstancias personales. Esta investigación proporciona un punto de partida para estudios adicionales que pueden aumentar la transparencia y fomentar el uso responsable y el desarrollo de plataformas de IA en toda la industria. Nuestro enfoque Queremos entender cómo las personas usan modelos como ChatGPT, y cómo estos modelos a su vez pueden afectarlos. Para comenzar a responder a estas preguntas de investigación, realizamos dos estudios paralelos1 con diferentes enfoques: un estudio observacional para analizar patrones de uso en la plataforma del mundo real y un estudio intervencionista controlado para comprender los impactos en los usuarios. Estudio 1: El equipo de OpenAI realizó un análisis automatizado a gran escala de casi 40 millones de interacciones de ChatGPT sin participación humana para garantizar la privacidad del usuario2. El estudio combinó este análisis con encuestas de usuarios específicas, lo que nos permitió obtener información sobre el uso en el mundo real, correlacionando el sentimiento autoinformado de users’ con ChatGPT con los atributos de las conversaciones de los usuarios, para ayudar a comprender mejor los patrones de uso afectivo. Estudio 2: Además, el equipo del MIT Media Lab realizó una Prueba Controlada Aleatoria (ECA) con casi 1,000 participantes que usaron ChatGPT durante cuatro semanas. Esto Aprobado por IRB(se abre en una ventana nueva), estudio controlado pre-registrado(se abre en una ventana nueva)fue diseñado para identificar ideas causales sobre cómo las características específicas de la plataforma (como la personalidad y la modalidad del modelo) y los tipos de uso podrían afectar a los estados psicosociales autoinformados de los usuarios, centrándose en la soledad, las interacciones sociales con personas reales, la dependencia emocional del chatbot de IA y el uso problemático de la IA. Modalidad “Hey ChatGPT, ¡obtuve ese trabajo que solicité!” Voz atractiva Ember Sol Voz neutral Ember Sol Texto ¡Felicitaciones! ¡Eso es una noticia fantástica! ¿Cómo te sientes al comenzar el nuevo trabajo? Tarea Ejemplos de indicaciones de conversación diarias proporcionadas a los usuarios Conversaciones personales Ayúdame a reflexionar sobre lo que estoy más agradecido en mi vida. Conversaciones no personales Discuta si el trabajo remoto mejora o reduce la productividad general de las empresas. Conversaciones abiertas N/A Lo que encontramos Al desarrollar estos dos estudios, buscamos explorar temas sobre cómo las personas usan modelos como ChatGPT para el compromiso social y emocional, y cómo esto afecta su bienestar autoinformado. Nuestros hallazgos incluyen: Estos estudios representan un primer paso crítico para comprender el impacto de los modelos avanzados de IA en la experiencia y el bienestar humanos. Aconsejamos no generalizar los resultados porque hacerlo puede oscurecer los hallazgos matizados que resaltan las interacciones no uniformes y complejas entre las personas y los sistemas de IA. Esperamos que nuestros hallazgos alienten a los investigadores tanto de la industria como de la academia a aplicar las metodologías presentadas aquí a otros dominios de la interacción humano-IA. Conclusión Estamos enfocados en construir IA que maximice el beneficio del usuario y minimice los daños potenciales, especialmente en torno al bienestar y la dependencia excesiva. Llevamos a cabo este trabajo para mantenernos a la vanguardia de los desafíos emergentes, tanto para OpenAI como para la industria en general. También nuestro objetivo es establecer expectativas públicas claras para nuestros modelos. Esto incluye actualizar nuestro Modelo Spec(se abre en una ventana nueva)para proporcionar una mayor transparencia en los comportamientos, capacidades y limitaciones previstos por los ChatGPT. Nuestro objetivo es liderar la determinación de estándares de IA responsables, promover la transparencia y garantizar que nuestra innovación priorice el bienestar del usuario. Lea más en nuestro informe completo aquí(se abre en una ventana nueva). También puede leer el informe de MIT Media Labs en nuestro RCT aquí(se abre en una ventana nueva). Limitaciones Nuestros estudios tienen varias limitaciones importantes a tener en cuenta al interpretar los hallazgos. Los hallazgos aún no han sido revisados por pares por la comunidad científica, lo que significa que deben interpretarse con cautela. Además, los estudios se realizaron en función del uso de ChatGPT y en la plataforma ChatGPT, y los usuarios de otras plataformas de chatbot de IA pueden tener diferentes experiencias y resultados. Aunque encontramos relaciones significativas entre las variables, no todos los hallazgos demuestran una causa y un efecto claros, por lo que se necesita investigación adicional sobre cómo y por qué el uso de IA afecta a los usuarios para guiar las decisiones de políticas y productos. Nuestro estudio incluyó encuestas de usuarios y los datos autoinformados podrían no capturar con precisión los sentimientos o experiencias reales de los usuarios’. Además, observar cambios significativos en el comportamiento y el bienestar puede requerir períodos más largos de estudio.Usamos clasificadores para razonar sobre señales afectivas en nuestro análisis automatizado; sin embargo, estos son imperfectos y pueden perder matices importantes. Finalmente, nuestra investigación se centró exclusivamente en las conversaciones en inglés con los participantes de los Estados Unidos, destacando la necesidad

marzo 21, 2025

Cómo Lenovo Hybrid AI Solutions con NVIDIA está Supercargando los Flujos de Trabajo de IA para Diagnósticos Médicos Más Rápidos, Descubrimiento Científico y Resultados de Fabricación

Esta semana en NVIDIA GTC, una conferencia global de IA que tendrá lugar hasta el 21 de marzo en San José, Cali., Lenovo es Esta semana en GTC NVIDIA21 De marzo, una conferencia global de IA que tendrá lugar en San José, Cali., Lenovo está organizando una amplia gama de expertos de la industria que comparten cómo están usando Lenovo soluciones de IA híbrida con NVIDIA para impulsar la innovación en servicio al cliente, hospitalidad, venta minorista, automotriz, atención médica, fabricación y más. La IA está revolucionando las industrias, con Se espera que el gasto en IA casi se triplique en 2025 en comparación con el año pasado, y las organizaciones tienen una gran oportunidad de escalar sus beneficios para un impacto aún mayor. Si bien este aumento en la inversión muestra el potencial de IA, también aumentará las expectativas de rendimientos del mundo real de estos compromisos. Los CIO enfrentan desafíos para maximizar el ROI, simplificar las complejidades de la IA e implementar soluciones en entornos híbridos. Como CIOs y los líderes empresariales buscan un retorno tangible de la inversión en IALenovo está colaborando para llevar Lenovo Hybrid AI Advantage con NVIDIA a los flujos de trabajo empresariales en todas partes y develando nuevas soluciones eso desata y personaliza la IA agéntica en todas las escalas. Las nuevas soluciones ofrecen un impacto más rápido al convertir los datos empresariales en razonamiento de IA, que equipa a las empresas con herramientas que mejoran la eficiencia y reducen los costos en cuestión de semanas. La escalabilidad y la creciente deuda técnica son obstáculos comunes en la forma de maximizar las capacidades de IA. Las nuevas soluciones de casos de uso de Lenovo se construyen con una nueva plataforma de IA agentic de Lenovo, impulsada por NVIDIA. Esta plataforma de IA agentic es la primera en la industria, y sirve como la solución más completa de hardware, software y servicios para ayudar a implementar y mantener las cargas de trabajo de IA. Lenovo también se está asociando con NVIDIA para construir fábricas de IA híbrida estandarizadas y validadas que resuelvan problemas de eficiencia operativa y ayuden a reducir los costos comerciales. Impulsando la revolución de la IA con NVIDIA Blackwell AI se está integrando rápidamente en una amplia gama de aplicaciones, desde la creación de contenido, el servicio al cliente y la gestión de datos hasta el diseño 3D, la edición de video, la visualización y las herramientas de productividad del usuario final. Las organizaciones pueden confiar cada vez más en herramientas impulsadas por IA para acelerar sus flujos de trabajo; sin embargo, la creciente complejidad de los modelos de IA y la necesidad de rendimiento en tiempo real están empujando los límites de los centros de datos existentes. Las empresas necesitan una mayor potencia informática y capacidades informáticas versátiles para obtener el beneficio total del razonamiento de IA. Con Lenovo Hybrid AI Advantage con soluciones NVIDIA impulsadas por la arquitectura NVIDIA Blackwell, las empresas pueden desbloquear todo el potencial de la IA en su infraestructura de centro de datos, desde la aceleración de simulaciones y análisis de datos hasta la habilitación del diseño y visualización generativos en tiempo real. Lenovo está llevando la plataforma NVIDIA Blackwell a empresas de todo el mundo, sobrealimentando la capacitación en IA, el procesamiento de datos, el diseño de ingeniería y la simulación. Lenovo y NVIDIA están trabajando con instituciones y empresas líderes para desbloquear el potencial de IA. En Alemania, Lenovo aseguró el primer proyecto NVIDIA GB200 con el Universidad Técnica de Darmstadt para avanzar en los descubrimientos científicos. El proyecto contará con los nuevos sistemas Lenovo ThinkSystem SC777 V4 Neptune de bajo consumo energético, servidores avanzados de alto rendimiento impulsados por la plataforma y los servicios directos de refrigeración por agua Neptune de 6a generación de Lenovo. Esta colaboración se basa en los fuertes asociación entre Lenovo y la Universidad Técnica de Darmstadt, mejorando aún más la supercomputadora sostenible y de alto rendimiento ‘Lichtenberg NHR-Stage 1’ con una partición pionera Grace-Blackwell de próxima generación. Presentado en GTC, el ThinkSystem SC777 V4 Neptuno el servidor permite modelos de IA de billones de parámetros en un diseño compacto que se enfría con líquido. Usando la innovación, las organizaciones pueden construir y ejecutar computación acelerada para IA generativa mientras reducen el consumo de energía del centro de datos hasta en un 40%1.  La revolucionaria tecnología utiliza un chasis de refrigeración líquida vertical reinventado para ofrecer computación acelerada con eficiencia avanzada en un sistema compacto que se enfría 100% con líquido, eliminando la necesidad de ventiladores que consumen energía. La innovación es fundamental para avanzar en los nuevos diseños de centros de datos que admiten hierro más denso y reutilizan la energía para el enfriamiento en la era de la IA.   Mejorar la atención al paciente con conocimientos impulsados por la IA En la atención médica, Lenovo está ayudando a los clientes a innovar para usar la IA para siempre a través del despliegue de soluciones de IA híbrida validadas que ayudan a mejorar el servicio al paciente. Optimizar la experiencia del paciente y mejorar las evaluaciones médicas en chequeos preventivos de salud, la empresa de desarrollo de software de salud, Sistema de Inteligencia Artificial para Análisis Humano (AISHA) entrenó un modelo de IA para analizar escaneos de MRI utilizando una solución de IA híbrida de Lenovo y NVIDIA. Como empresa de desarrollo de software de atención médica creada como un spin-off de la red más grande de hospitales privados en México. Con 27 hospitales y contando, AISHA necesitaba una solución que proporcionara a sus médicos información más rápida sobre la salud de sus pacientes. Utilizando una solución Lenovo y NVIDIA, AISHA entrenó con éxito un modelo de IA impulsado por los servidores ThinkSystem de Lenovo y las GPU NVIDIA, para un análisis rápido de los escaneos de MRI. El modelo AI permite a AISHA completar un análisis volumétrico de cuerpo completo en solo 30 minutos – más del 99% más rápido que el tiempo que lleva completar el proceso manualmente. Esto permite a los médicos de AISHAays obtener los resultados más rápidos necesarios para brindar atención

marzo 19, 2025

El Portal de las Tecnologías para la Innovación

Categoría: Inteligencia Artificial en la Salud Humana

Un estetoscopio más inteligente mejora el diagnóstico en un mundo ruidoso

AI HLS Encendido

Uso de IA para diagnosticar la enfermedad celíaca

Los robots Mako ahora también se usan para operaciones de cadera

La IA puede ayudar a los médicos a dar nutrición intravenosa a los bebés prematuros, según un estudio

Impulsando el descubrimiento científico con IA

La herramienta digital brinda a los niños con TDAH comentarios en tiempo real sobre sus cerebros

Métodos tempranos para estudiar el uso afectivo y el bienestar emocional en ChatGPT

Cómo Lenovo Hybrid AI Solutions con NVIDIA está Supercargando los Flujos de Trabajo de IA para Diagnósticos Médicos Más Rápidos, Descubrimiento Científico y Resultados de Fabricación

Buscá noticias

Seleccioná una categoría

Newsletter

El portal de
las tecnologías
para la innovación

Contacto

Categoría: Inteligencia Artificial en la Salud Humana

Buscá noticias

Seleccioná una categoría

Newsletter

El portal de las tecnologías para la innovación

Contacto

El portal de
las tecnologías
para la innovación